资料数据均来源于《基于Python的金融分析和风险管理》
散点图
散点图常用来初步分析两组数据之间是否有线性关系。
在书中用来2016-2018年沪深300和上证180指数的日涨跌幅作为例子,用到的包和之前的条形图之类的都一样,不再在这里展示。
首先写入数据
scat=pd.read_excel('文件路径',sheet_name="Sheet1",header=0,index_col=0)
先用datafame的函数看一下数据集
scat.tail()#看一下最后几行
scat.describe()#数据集的描述性统计
scat.corr()#看一下相关系数
从相关系数来看,两者是有很强相关性的
绘制散点图,用scatter()函数,
plt.figure(figsize=(9,6))
#x变量的数据是iloc【:,0】代表x的数值是第一列所有行,同理y代表的是第二例所有行,marker代表散点样式,o代表圆标记
plt.scatter(x=scat.iloc[:,0],y=scat.iloc[:,1],c='b',marker='o')
plt.xticks(fontsize=14)
plt.xlabel(u'沪深300指数涨跌幅',fontsize=14)
plt.yticks(fontsize=14)
plt.ylabel(u'上证180指数涨跌幅',fontsize=13,rotation=90)
plt.title(u'沪深300指数与上证180指数的涨跌幅散点图',fontsize=14)
plt.grid(True)
饼图,用pie()函数,本书中饼图中用的例子是IMF的特别提款权中五种货币的占比
currency=['美元','欧元','人民币','日元','英镑']#货币列表
perc=[0.4173,0.3093,0.1092,0.0833,0.0809]#占比列表
plt.figure(figsize=(9,7))
#x代表占比,label等于标签文字
plt.pie(x=perc,labels=currency)
plt.axis('equal')#axis代表坐标轴,equal代表等刻度的坐标轴
plt.legend(loc=1,fontsize=13) #显示图例
plt.title(u'不同币种占比',fontsize=13)